研究人员开发了 BrainAnytime，一个专为脑部图像分析设计的、可处理不完整或多样化成像数据的统一预训练框架。该模型可接受任何可用的成像序列，从单一 MRI 扫描到多模态 MRI 和 PET 数据。BrainAnytime 利用跨模态蒸馏和图谱引导掩码，在一个共享的 3D 掩码自编码器中学习结构-分子对应关系。在四个下游任务和五个临床模态设置的评估中，BrainAnytime 的表现优于特定模态的模型和现有基线，尤其在认知状态分类方面取得了显著的准确性提升。 AI
影响 通过适应现实世界中不完整的医学成像数据，实现了对脑部疾病更鲁棒的 AI 诊断。
排序理由 在 arXiv 上发布了新的 AI 框架及相关论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
